一种基于大语言模型的代码驱动具身智能体的后门攻击链方法

本发明公开了一种基于大语言模型的代码驱动具身智能体的后门攻击链方法，包括如下步骤：使用生成对抗网络创建初始的中毒提示；通过生成器和鉴别器之间的迭代对抗训练，对中毒提示进行优化；将优化后的中毒提示输入到目标大语言模型中；将带有后门缺陷的程序部署到具身智能体上；当具身智能体运行带有后门缺陷的程序时，环境中的视觉触发器激活后门，导致具身智能体执行预设的特定行为。通过利用生成对抗网络优化的中毒提示，本发明能够生成难以被检测的后门代码，因此在隐蔽性和有效性上具有显著优势。